用于集成单一电力市场的准实时电价预测：应对波动性的比较机器学习方法
机器学习
2024-08-13 v1 人工智能
系统与控制
系统与控制
摘要
本文对电力价格预测方法进行全面研究，聚焦于爱尔兰集成单一电力市场，尤其是近期高波动性期间的变化情况。本研究的主要目标是评估和比较各种预测模型的性能，这些模型 ranging from 传统机器学习模型到更复杂的神经网络，以及不同训练周期长度的影响。性能指标——平均绝对误差、均方根误差和相对平均绝对误差——用于评估和比较每个模型的准确性。对一系列输入特征进行了全面研究和选择，这些特征来自于2018年10月至2022年9月期间记录的数据。本文证明，日历欧洲天然气价格是爱尔兰电力价格预测中更有用的特征，而不是日历亨利·哈ubert天然气价格。这一研究还表明，特征与准实时市场价格的相关性在近年来发生了变化。天然气价格以及当天电网中风能发电量在预测准实时市场价格方面具有显著重要性。更具体地说，电力的输入燃料已成为价格驱动因素，这一驱动因素比总发电量或需求更重要。此外，可以看出系统非同步渗透率(SNSP)与准实时市场价格高度相关，而可再生能源正在压低电力价格。
引用
@article{arxiv.2408.05628,
title = {Forecasting Day-Ahead Electricity Prices in the Integrated Single Electricity Market: Addressing Volatility with Comparative Machine Learning Methods},
author = {Ben Harkin and Xueqin Liu},
journal= {arXiv preprint arXiv:2408.05628},
year = {2024}
}